何世紀にもわたり、組織は人間のアウトプットを中心に設計されてきた。道具は人間の力を拡張し、機械は物理的な力を拡張し、ソフトウェアは連携を拡張した。しかし、サービス、判断、説明責任、実行の主要な担い手はあくまで人であり続けた。いまや組織は、システム、顧客、データ、ワークフロー、意思決定にまたがって仕事を行うAIを導入できる。このデジタルインテリジェンスは組織目標に照らして推論し、達成に向けて先回りして行動できる。
しかしAIが仕事を代替できるかどうかを決める前に、リーダーはより良い問いを立て、その職務の内側にどのような仕事が含まれているのかを理解する必要がある。
分析単位として「職種」だけでは不十分になった
職種は1つの仕事の塊ではない。タスク、意思決定、人間関係、引き継ぎ、例外処理、承認、判断、習慣が組み合わさったものだ。その一部は安全に自動化できるかもしれない一方、別の部分はAIの支援を受けつつ人が担うのが最善である。ひとつの成果を生み出すプロセスが、顧客からAIエージェントへ、エージェントからシステムへ、システムから別のエージェントへ、そして判断、承認、関係性の維持のために再び人へと移っていくこともあるだろう。
人とAIの引き継ぎは指数関数的に増え、仕事の未来を定義する可能性が高い。タスクが人、AIエージェント、システムの間を移動するようになると、引き継ぎの質が、スピードが価値になるのかリスクになるのかを左右する。現在、多くの組織は、人のアウトプットを前提に構築されたオペレーティングモデルにデジタル労働力を追加している。すると予測可能な問題が生じる。AIは仕事のフロントエンドを即時化するが、組織の残りは依然として人間のスピードで動くのだ。
たとえば、顧客は即座に返答を受け取れるが、実際の問題解決には数日待たされることがある。営業案件は数秒でルーティングされるが、スタッフのキャパシティの問題でフルフィルメントに数日かかることもある。会議の要約は誰も部屋を出る前にできあがるが、それをビジネスインテリジェンスに変えるためのデータはレガシーシステムに眠ったままかもしれない。こうした場合、組織が速くなったのではない。ボトルネックを下流へ移しただけである。
4つの仕事タイプ
AI導入の真の目的は、仕事の流れ方を再設計することにある。実務的な出発点は、仕事を4つの運用カテゴリに分類することだ。
1. 自動化：明確な境界、反復可能なパターン、許容できるリスクの範囲内で、AIが安全に実行できる仕事である。例としては、スケジューリング、ルーティング、簡易な受け付け、文字起こしの生成、基本的なフォローアップ、標準的な事務処理が挙げられる。
2. 拡張：AIの支援を受けつつ人が行うのが最善の仕事である。リサーチブリーフ、顧客サマリー、提案書のドラフト、候補者プロフィール、意思決定の準備、パフォーマンストレンド分析などが含まれ得る。AIを加える目的は、成果のオーナーシップを明確に保ちながら人の能力を拡張することにある。
3. 判断：文脈、倫理、リスク評価、例外処理、解釈、説明責任を要する仕事である。例としては、センシティブな従業員対応、コンプライアンスの解釈、通常ではない顧客ニーズ、エスカレーション判断、重大な影響を伴う提言などが挙げられる。AIがタスクの相当部分を担う場合でも、人の判断は最も価値を生む場所へ移すべきである。
4. 関係性：信頼、共感、配慮、影響力、信頼性、人と人のつながりによって大きく左右される最後のタイプである。リーダーシップコーチング、従業員関係、交渉、対立解決、サービス回復、難しい顧客との対話などが含まれる。関係性の仕事の一部はAIの支援を受けられるが、AI主導にする前にリーダーは慎重であるべきだ。
ハイブリッドインテリジェンス・マネジメント層
リーダーが仕事を分類すると、新たな責任の束が現れる。AIに何をさせられるかを誰が決めるのか。AIのアウトプットを誰がレビューし、エージェントが誤ったときに調整し、AIから人への引き継ぎのオーナーシップを持つのか。AIをいつ停止し、再学習させ、制限し、退役させるべきかを誰が決めるのか。そして、AIが成果を改善しているのか、それとも単に活動量を増やしているだけなのかを誰が測るのか。
これらは単なるテクノロジーの問いではない。マネジメントの問いであり、労働力の問いであり、組織の信頼に関する問いである。ここに新たなハイブリッドインテリジェンス・マネジメント層が出現する可能性がある。人、AIエージェント、システム、承認、例外処理、説明責任を負う意思決定者の間を仕事がどう移動するかを統治する役割、責任、実践からなる層である。
3つの新興ロールクラスター
技術職と非技術職のきれいな区分ではなく、AI時代の仕事は、ハイブリッドインテリジェンス・ワークフローの中で貢献する人々と、それを率いる人々に分かれていく可能性がある。
1. ワークアーキテクチャ・ロール：仕事を分類し、ワークフローを再設計し、何を自動化し、何を拡張し、何を判断し、何を関係性主導にすべきかを決める役割である。
2. デジタルレイバー・マネジメント・ロール：デジタル労働力を監督し、パフォーマンスをモニターし、エージェントを調整し、エスカレーションを管理し、自律性を拡大するか制限するかを判断する役割である。
3. 引き継ぎ・信頼ロール：人、AIエージェント、システムの間で、文脈、意図、権限、現状、優先度、説明責任が確実に引き継がれるようにする役割である。
肩書はさまざまだろうが、必要な仕事は変わらない。これらの責務の一部は既存の職務の中に隠れているかもしれない。たとえば以下のようなケースだ。
・AIリードナーチャリングエージェントを監督する営業マネージャー
・AIが職務設計と学習パスをどう変えるかを評価するHRビジネスパートナー
・人、システム、AIエージェントが同じ成果に関与するワークフローのオーナーとなるオペレーションリーダー
・AIエージェントが権限の範囲内で行動しているかをレビューするコンプライアンスリーダー
・AI生成の成果物を修正し、調整する現場従業員
責任あるAI移行が重要である
これは「AIが新しい雇用を生み出す」という単純な主張として誤読されるべきではない。新たな仕事が生まれるものもあれば、再設計されるものもある。一方で統合されたり、完全に削減されたりするものもある。その現実があるからこそ、責任あるAI移行の誓約とフレームワークが重要になる。リーダーがデジタル労働力を中心に仕事を再設計するのであれば、従業員の配置転換がデフォルトの答えになる前に、ガバナンス、学習パス、引き継ぎ基準、説明責任を整える必要がある。
